Os veículos autônomos são utilizados há mais de 60 anos, com o avanço da tecnologia e novos enfoques desenvolveram-se os veículos de superfície não tripulados conhecidos como USV (Unmanned Surface Vehichle). Este estudo objetivou mapear quantitativamente as produções científicas relacionadas aos veículos de superfície não tripulados (USV, através de análise cienciométrica, destacando artigos e artigos de revisão desta área de conhecimento e demonstrando a quantidade de publicações até o ano de 2021. A partir de coletas de dados nas bases Scopus e Web of Science, foram realizadas exclusão de documentos duplicados e análises prévias dos títulos e resumos, gerando um portfólio geral de estudo com 1.190 publicações. O resultado deste mapeamento demonstrou que as pesquisas são focadas em tecnologias para a criação de veículos de superfície não tripulados (USV) com recursos avançados de controle e automação, e que continuam sendo desenvolvidas para o aperfeiçoamento do equipamento, pode-se perceber também que a produção sobre o tema seguirá em crescimento por ser um assunto relativamente novo e com grandes perspectivas para o desenvolvimento de novas pesquisas, métodos e aplicações. Por fim, espera-se que este estudo auxilie no mapeamento de pesquisas, principalmente sobre temas ainda pouco difundidos na ciência, para aumentar a visibilidade e compreensão sobre as inovações em pesquisas.
As florestas urbanas fornecem vários benefícios para as cidades, incluindo redução das temperaturas, melhorias na qualidade do ar, saúde e lazer da população e proteção de bacias hidrográficas, tornando assim um dos indicadores mais importantes da qualidade ambiental e sustentabilidade urbana. Campo Grande, no Mato Grosso do Sul, possui o título de "Tree Cities of the World", que reconhece as cidades mais comprometidas com a preservação das florestas urbanas e o desenvolvimento sustentável, portanto o mapeamento e monitoramento servem como ferramenta de auxílio para os governos e tomadores de decisão. O presente trabalho consistiu em combinar imagens de sensoriamento remoto de alta resolução e algoritmo de aprendizado de máquina (machine learning) para mapear florestas urbanas. O estudo foi realizado na Bacia hidrográfica do Prosa, Campo Grande, Mato Grosso do Sul, Brazil, considerando imagens do Google Earth de 14 de maio de 2020. Para fins de classificação, adotou-se o algoritmo Random Forest associado com segmentação prévia da imagem com a técnica mean shift. Como resultado, obteve-se um percentual de 18,31% de vegetação arbórea na bacia e a métrica F1 superior a 85%, possibilitando, assim, um mapeamento acurado e atualizado de florestas urbanas. PALAVRAS-CHAVE: árvores. random forest. classificação supervisionada. arcgis pro.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.